以互联网思维和方法创新计算机硬件实验课管理模式

针对传统计算机硬件实验课程中过程无法监控,设备利用率不高和评估规范化程度不够等问题,利用互联网思维和技术手段,以"互联网+实验设备"为思路创新实验课程管理新模式;以设备改造和流程优化为突破口,在实验课程统筹、实验过程考核、实验结果回溯3个环节提升实验教学质量和服务水平,同时降低替做替考和设备损坏的概率。     

一种深度生成模型的超参数自适应优化法

深度生成模型在非监督特征提取上有着优异的性能,在人工智能的很多领域取得巨大成功。无论在科学实验还是实际应用中,为深度生成模型设置合适的超参数始终是一大难题。传统超参数优化大多基于领域专家的经验或基于黑盒的贝叶斯优化策略。深度生成模型的超参数众多且训练所需计算资源大,传统办法无法胜任对其进行高效优化。提出一种基于神经元稀疏度的超参数自适应优化方法。该方法根据模型在逐层训练过程中神经元激活的稀疏度,利用高斯过程实时预测最佳超参数组合,将其应用到下一迭代中。实验结果显示该方法不仅明显提升深度生成模型的性能,在效率和精度上也明显优于其它主流优化方法。